¿La IA causa burnout laboral? Sí, pero no como piensas

En 1983, la historiadora estadounidense Ruth Schwartz Cowan publicó un libro con un título deliberadamente irónico: More Work for Mother («Más trabajo para mamá»). Su pregunta era sencilla. Si la lavadora, la aspiradora y el frigorífico habían llegado a los hogares para ahorrar esfuerzo, ¿por qué las amas de casa no tenían más tiempo libre? Su respuesta fue menos sencilla. Las máquinas sí ahorraban trabajo, pero también subían el listón: la ropa se lavaba más a menudo, la casa tenía que estar más limpia y tareas que antes se repartían acabaron recayendo en una sola persona. La tecnología no eliminó el trabajo. Lo redistribuyó.

Cuatro décadas después, la inteligencia artificial llega a las oficinas españolas con una promesa parecida, y los primeros datos sugieren una ironía parecida. Según nuestro informe Panorama del bienestar en las empresas 2027, el 27 % de los trabajadores en España afirma que la IA ha aumentado su carga de trabajo. Entre quienes mejor la dominan, la proporción sube al 39 %.

De ahí a la pregunta del título hay un paso corto, y conviene darlo con cuidado. La respuesta es sí: en España, quienes más usan la IA son también quienes más burnout sufren. Pero no como se suele pensar. Lo que los quema no parece ser la herramienta en sí, sino lo que viene con ella: más tareas, más supervisión y un segundo trabajo que nadie les ha encargado. Como en la cocina de Cowan, el esfuerzo no ha desaparecido; ha cambiado de manos.

¿El burnout aumenta entre mas se utiliza la IA?

Nuestro informe divide a los trabajadores en tres grupos según su dominio de la IA: pioneros (los que más la utilizan), usuarios y principiantes. En España, el burnout diario sube un peldaño con cada grupo: lo sienten el 17 % de los principiantes, el 20 % de los usuarios y el 23 % de los pioneros. Es la misma escalera que dibuja el promedio global (16 %, 22 % y 24 %), y no ocurre en todos los mercados: en Argentina y Chile, por ejemplo, el desgaste es casi idéntico entre grupos.

Es fácil interpretar estos resultados en contra de la inteligencia artificial, pero esto sería precipitado. Nuestro informe mide asociaciones, no causas, y los pioneros se distinguen por algo más que por su habilidad con un chatbot. 

El dato más revelador está en otro lado: el 39 % de los pioneros españoles dice que la IA ha aumentado su carga de trabajo, más del triple que los principiantes (12 %). No es que la herramienta "queme". Más bien, al parecer quien la domina le acaba teniendo más trabajo, y el burnout en España ya tenía causas de sobra antes de ChatGPT.

"Cerebro frito" no es "cerebro quemado"

Parte de ese trabajo extra ya tiene nombre. En marzo de 2026, un equipo de Boston Consulting Group publicó en Harvard Business Review un estudio con 1488 trabajadores a tiempo completo en Estados Unidos. El 14 % reportó lo que los autores bautizaron como AI brain fry, o «cerebro frito»: fatiga mental por usar o supervisar herramientas de IA más allá de la propia capacidad cognitiva. Los síntomas resultarán familiares a cualquiera que haya pasado una tarde corrigiendo lo que ha escrito un chatbot: niebla mental, dolor de cabeza, dificultad para concentrarse, decisiones más lentas.

La distinción con el burnout importa. El burnout es un desgaste crónico que se acumula durante meses; el cerebro frito puede aparecer en una sola jornada. Uno es una sequía; el otro, un golpe de calor. Pero un golpe de calor que se repite todos los días deja de ser un episodio y empieza a parecerse a un clima.

El estudio encontró además algo que debería interesar a RR. HH.: el cerebro frito aparece menos cuando la IA sustituye tareas rutinarias y más cuando obliga a supervisarla. Es la «paradoja de la automatización»: el trabajador deja de hacer el trabajo y pasa a vigilar a quien lo hace, con la diferencia de que quien lo hace se equivoca con mucho aplomo. Los autores lo asociaron con más errores, sobrecarga de decisiones y mayor intención de dejar la empresa.

Una advertencia: el estudio de BCG mide asociaciones en Estados Unidos, no causas en España. Pero encaja con lo que dicen los datos españoles. Si quienes más usan la IA son también quienes más la supervisan, propia y ajena, no sorprende que sean también quienes más se desgastan.

El segundo trabajo de los pioneros

Ese trabajo extra tiene una fuente concreta. En España, el 71 % de los pioneros afirma formar a sus compañeros en el uso de la IA, frente al 4 % de los principiantes. Nadie les ha asignado ese papel. Lo ejercen porque saben, porque les preguntan y porque decirle que no al compañero que no encuentra el botón queda feo. Es, en la práctica, un segundo trabajo: no figura en la descripción del puesto, no se mide en la evaluación del desempeño y no le resta horas a la jornada.

Ser imprescindible, conviene reconocerlo, tiene sus ventajas. El 41 % de los pioneros españoles considera que su seguridad laboral es mejor que hace un año, el doble que los principiantes (20 %). El problema es que el entusiasmo se vuelve fácil de explotar. Jae Yun Kim y Aaron Kay, psicólogos de la Universidad de Duke, demostraron en ocho estudios con más de 2400 participantes que a la gente le parece más aceptable pedir trabajo extra no remunerado a alguien apasionado por lo que hace. El razonamiento implícito es cómodo: si le gusta, no le pesa.

Le pesa. Mark Bolino, profesor de la Universidad de Oklahoma, y sus coautores describieron en 2015 la «fatiga de ciudadanía»: el desgaste de quienes hacen, de forma sostenida, esos favores voluntarios que mantienen en marcha una organización. Quien configura el agente del equipo, revisa los prompts ajenos y explica por quinta vez cómo resumir una reunión hace exactamente eso. A la supervisión de sus propias herramientas, terreno abonado para el cerebro frito, le suma la de las herramientas de los demás.

Hay un coste menos visible. El 51 % de los pioneros españoles dice que la IA ha reducido de forma significativa su interacción con los compañeros, casi el doble que los principiantes (26 %). Quien conversa con un asistente todo el día conversa menos con las personas, y el apoyo social es una de las defensas más probadas contra el burnout. La IA, así, puede sumar carga y restar colchón al mismo tiempo.

Lo que protege

La buena noticia del informe es que el desgaste no es un destino. Dos factores marcan diferencias grandes, y ninguno depende de comprar más software.

El primero es la claridad. A escala global, el 34 % de los trabajadores dice que su empresa no tiene una política sobre IA, y la proporción llega al 44 % entre los principiantes. Donde sí hay una política clara, el 77 % se siente resiliente ante los cambios, frente al 39 % donde no la hay. Una política no reduce la cantidad de trabajo, pero sí la incertidumbre, y la incertidumbre también cansa.

El segundo es el responsable directo. El 60 % de los pioneros tiene un jefe que apoya su bienestar, frente al 31 % de los principiantes. Es difícil saber qué fue primero, si el buen jefe que permite aprender o el aprendizaje que mejora la relación con el jefe. Pero la asociación es lo bastante fuerte como para tomarla en serio: la adopción de la IA, como tantas otras cosas en una empresa, se juega en buena medida en la reunión semanal con el responsable.

Lo que está en juego

Para una empresa española, el riesgo no termina en un equipo cansado. El 85 % de los trabajadores del país dice que se plantearía marcharse de una empresa que no cuidara su bienestar. Entre los pioneros, justo los que la organización más necesita para que la inversión en IA rinda, la cifra sube al 87 %. 

Los directivos lo saben: según el estudio ROI del bienestar 2026 de Wellhub, el 58 % de los responsables de RR. HH. en España reconoce su preocupación por perder perfiles con habilidades vinculadas a la IA. La paradoja es evidente. Las empresas temen perder a sus expertos en IA y, al mismo tiempo, les cargan con un tipo de trabajo que el estudio de BCG asocia con más ganas de marcharse. Hemos analizado cómo evitarlo en nuestra guía de retención de talento en España.

¿Qué puede hacer RR.HH.?

Nada de esto exige frenar la adopción. Exige gestionarla como lo que es: un cambio en la forma de trabajar, no la instalación de un programa.

• Menos herramientas, mejor elegidas. Si el cerebro frito nace de supervisar, la primera defensa es tener menos cosas que supervisar. Definir qué herramientas se usan, para qué tareas y quién valida los resultados reduce la revisión innecesaria.
• Hacer visible el segundo trabajo. Si tus pioneros forman a otros, que esas horas cuenten: en la agenda, en los objetivos y en la evaluación. Lo que no se mide, en una empresa, tampoco se descuenta.
• Una política de IA que alguien haya leído. Clara, breve y comunicada. Su mayor efecto no es regular, sino quitar incertidumbre.
• Responsables preparados. El jefe directo es el punto donde la adopción se vuelve sostenible o se convierte en una carga. Formarle en IA sin formarle en gestión del desgaste es hacer la mitad del trabajo.
• Incluir la IA en la evaluación de riesgos psicosociales. La Ley de Prevención de Riesgos Laborales ya obliga a evaluarlos. Preguntar por la carga de supervisión y de formación asociada a la IA permite ver si el estrés laboral se concentra donde más se automatiza.
• Extender la desconexión digital a la IA. La ley ya reconoce el derecho a la desconexión digital. Un asistente que trabaja a cualquier hora no debería convertirse en la excusa para revisar sus resultados a cualquier hora.

También ayuda tener dónde apoyarse. Según el informe, quienes cuentan con Wellhub tienen más probabilidades de decir que se adaptan bien a los cambios (76 % frente a 57 % con otros programas) y de reportar un sueño saludable (55 % frente a 28 %). Un programa de bienestar corporativo que integra actividad física, salud mental, sueño y nutrición no sustituye a una buena política de IA. Pero da a la gente algo que la IA no puede darle: un lugar donde desconectarse de ella.

Volviendo al caso del lavarropas

Cowan no concluía que el lavarropas fuera un mal invento. Concluía que la máquina había liberado las manos, pero que las expectativas, las costumbres y el reparto de tareas decidieron qué se hacía con el tiempo ahorrado. Con la IA pasa lo mismo, y la respuesta a la pregunta del título depende menos del algoritmo que de la organización que lo adopta.

Un lavarropas no decide cuántas veces hay que lavar la ropa. Una empresa, sí.

La IA ahorra tiempo. Que ese tiempo vuelva a las personas sigue siendo trabajo de los humanos.